数字技术与应用
关于径向基神经网络在股票市场预测中的研究
瑞雪
（哈尔滨全融学院基础部
孙伟
黑龙江哈尔滨
150030)
应用研究，
摘
要，持径向基神经网络应用于股票预测，以中国国就的股录收盘价为研究对象进行仿具实验，达到了良好的预测效采，说明此方法有
提好的息用和推广能力，
关键词：径向基神经网络中图分类号：F832.51
股票市场
预测
文献标识码：A
1径向基神经网络及算法研究经向基神经网络方法是以源数通近理
论为基础构造的一种单隐层的三层前馈网络，输入层由信号源结点组成，输入层节点只传递输入信号到隐含层，隐含层中的隐单元的变换函数是对中心点径向对称且表减的非负非线性函数，一般由高斯函数构成，输出层将其假设只有一个隐单元，一般是简单的线性函数不妨假设输入层、隐含层，输出层神经元个数为m,n,P,假设输入
表1
N个输 X,X,***,X
数据划分表
N1个输出 Xy."*,Xw.M
X-W,*", X-N
期预端值实际值
618日 6.6106 6.5
绝对设差0.1106
100 10~2 10-4 10-6 10-10-10 1012
0
7.2 7.1 7 6.9 6.8 6.7 6.6 6.5 6.4 6.3 6.2
104
n
5 图1
10
10
X-",x,
文章编号：1007-9416（2010)08-0104-01
样本向量记为×=[，，"",x了，输出样本向量记为Y=[,,y,了，基函数一般选用高斯函数，当网络输人训练样本X时，网络实际输出。本文采用RBF神经网络自适应算法对网络进行训练，不断调解参数，以便达到最佳的通近效果。最终得到最优的预测值。
2仿真实验
为达到更好的预测效果，选取正常运作情况下，即没有或者少有暴涨和暴跌等不稳定现象的样本数帮。样本数据取自中国国航（股票代码601111)从2009年5月12日一2010年7月23日的股票收盘价，用其部分数据段长度设为L作为实验数据。获得样本数据向量后，为满足网络对输入输出的要求，在训练前需要对数据进行线性归一化
处理，即X'
X-X X-x_
表2
中国国航预测值与实际值
6月19 6.6767 6.67.0.0067
15
误差曲线图
15 图3
数字技术与应用
万方数据
0
20 25
6月22口 6.6932 6.69 0.0032
6月23日 6.8504 6.85 0.0004
7.2 7.1 7 6.9 6.8 6.7 6.6 6.5 6.4 6.3 6.20
25
8.5 8 7.5
0
图2
6.5
6月24日 7.138 7.14 0.002
10
15
，经处理后，所有
6月25月 6.9401 6.94 0.0001
20
25
原始数据和拟合曲线
W
30
10152025303540 45
50
图4
50个数据10预测值的拟合曲线
数据取值均在0-1之间，本文通过前N个时判的值预测后N1个时剩的值，下表给出了具体的数据划分方法。
不妨令N为3，N1为1进行实验，实验过程及预测效果如下图，图1为中国国航2009 年5月12至2009年6月25日期间的30个交易日的收盘价的仿真误差曲线，图2、3分别为预测6个点和20个点的报合曲线，并将预测的第25个到30个交易日的收盘价共6个数据与实际值作比较，以及误差如表2
图4，5分别为载选50个，80个数错的拟合曲线图
3结语
本文分别选取数据段长度为30,50，80，明显可以看出样本向量越长，预测效果越不理想，并且同一数据段长度中，预测点数越少数据越疆近真实值，所以利用径向基神经网络预测股票短期价格拍势能达到较好效果，同时得出冠用滚动预测比单步预测要好，本文用的滚动窗口只是预测一个数值，可以预测多个，并对比实验结果是本文进一步研究的内容。本文只是选取股票的收盘价这一种数据类型，股票的开盘价，最高价、最低价数据的处理是类似的。股票价格还受其他因素的影响，比如景比，每股收益、换手率，MACD等，会将继续扩大样
本数据作为本文的改进研究。参考文献
[1]王京宝.径向茶通数网络在股市预测中
的应用，科技信息，2007，1.
[2]王上飞，周佩玲等.径向基神经网络在股
市预测中的应用预测，1998，6.
[3]冯学军，赵琴，径向基神经网络在股市预
测中的应用，安庆师范学院学报，2005， 1
[4]阴新.MATLAB神经网络应用设计，科
学出版社，2002，
10.5 10 9.5 9 8.5 8 7.5 7
6.5 图5
e
10
20
30
40
70
50
60
80
80个数据10个预测值的拟合曲线